Bioinformatik Open Source Software i biologiens tjeneste

Transkript

1 Bioinformatik Open Source Software i biologiens tjeneste Kenneth Geisshirt [email protected] Silex Science ApS Bioinformatik p.1/19

2 Om Silex Science ApS Grundlagt maj 2002 Ejeren er Cortex Holding Fokusområderne hos Silex Science ApS er: High Performance Computing Open Source-baseret videnskabeligt og teknisk programmel Molekylær visualisering og modellering Bioinformatik Bioinformatik p.2/19

3 Molekylær biologi Molekylær biologien undersøger levende væsener på det molekylære plan. En del af molekylær biologiens data er sekvenser. En sekvens er en streng over et endeligt alfabet Bioinformatik p.3/19

4 DNA DNA er arvemassen - de sekvenser som bærer informationen om et levende væsen Alfabetet A, C, G, T. består af fire bogstaver (baser): DNA er dobbelt-strenget A T og G C sidder overfor hinanden Informationen grupperes i gener Menneskets genom består af basepar! Bioinformatik p.4/19

5 Proteiner Proteiner er kroppens arbejdsheste. Gener (DNA) oversættes til proteiner Alfabetet består af de 20 aminosyrer Proteiner kan modificeres efter oversættelse Sekundær struktur er en sekvens over alfabetet H, E, C 3-dimensional struktur giver funktionen Bioinformatik p.5/19

6 Proteiner Hormoner er små proteiner (peptider) Enzymer katalyserer biokemiske reaktioner Membranproteiner kan transportere molekyler over cellemembranen Transport af kemiske forbindelser, f.eks. hæmoglobins transport af oxygen Bioinformatik p.6/19

7 Offentlige databaser Op gennem 1990 erne blev forskellige organismers arvemasse kortlagt. GenBank indeholder alle DNA-sekvenser (100 GB) SwissProt har proteinsekvenser samt annoteringer om funktion PDB er til 3d-struktur af proteiner Alle har adgang til disse databaser. Bioinformatik p.7/19

8 Bioinformatik Bioinformatik er anvendelsen af informationsteknologi til håndteringen af biologiske data. Det er en tværfaglig disciplin: Molekylær biologi og biokemi Datalogi Statistik Kemi og fysik Bioinformatik p.8/19

9 Bioinformatik i praksis En typisk bioinformatik-gruppe i industrien: Computerne kører UNIX (og ofte Linux) Programmeringssproget er Perl Medlemmerne har en ph.d.-grad i biokemi eller molekylær biologi Stor åbenhed omkring teknologi Bioinformatik p.9/19

10 NCBI Toolkit CoreLib er et generisk bibliotek i ISO C AsnLib til håndtering af Abstract Syntax Notation 1 (ASN.1) Vibrant bruges til grafisk brugergrænseflader SEQ* indeholder funktioner til håndtering af sekvenser Licens: public domain Bioinformatik p.10/19

11 BLAST Basic Local Alignment Search Tool Søgning af sekvenser Alignment Bygger på NCBI Toolkit A T - C - T G A T - T G C A T - A - Licens: public domain Bioinformatik p.11/19

12 Predator Forudsigelse af sekundær struktur Skrevet i ISO C Benytter neurale netværk Nøjagtigheden er ca. 68 % Licens: kræver at en bestemt artikel citeres. Bioinformatik p.12/19

13 output layer Bioinformatik p.13/19 Neurale netværk hidden layer input layer

14 EMBOSS European Molecular Biology Open Software Suite Et bibliotek skrevet i ISO C (til UNIX) En række (kommando-linje) programmer (100+) Undersøtter Uniform Sequence Addresses Licens: GNU LGPL (bibliotek) og GNU GPL (programmer) Bioinformatik p.14/19

15 EMBOSS - eksempler Rotte-gener: seqret genbank::nc1102.seq:org:rattus genbank::rats.seq Gram-positive cocci surface proteins anchoring hexapeptide: preg ncbi::swissprot lp.tg[stgavde] -outfile swissprot.preg Statistik: pepstats ncbi::swissprot -outfile swissprot.stat Bioinformatik p.15/19

16 BioPerl BioPerl er et større bibliotek i Perl: Håndtering af sekvenser (læse, skrive, intern repræsentation) Kald af eksterne programmer (BLAST, Hmmer, etc,) Håndtering af alignment formater Licens: Artistic Bioinformatik p.16/19

17 BioPerl - eksempel use Bio::Seq; use Bio::SeqIO; $seq = Bio::Seq->new(-id => "myseq", -seq => "CGCCGAAGAAGCATCGTTAAAGTCTCTCTTCACCCTGCC -type => Dna ); $seqout = Bio::SeqIO->new( -format => fasta, -fh => \*STDOUT); $trans = $seq->translate(); # make a translation $seqout->write_seq($trans); Bioinformatik p.17/19

18 Litteratur Developing Bioinformatics Computer Skills. C. Gibas & P. Jambeck. O Reilly & Associates, Introduction to Computational Biology. M.S. Watermann. Chapman & Hall/CRC, Bioinformatics: The Machine Learning Approach. P. Baldi & S. Brunak. MIT Press, Computational Molecular Biology - An Algorithmic Approach. P.A. Pevzner. MIT Press, Bioinformatik p.18/19

19 Hjemmesider Det humane genom-projekt: National Center for Biotechnology Information: Open Source Bioinformatics: How Perl Saved the Human Genome Project af L. Stein: ls bio.html Bioinformatik p.19/19